Recherche avancée

0

e-book : Machine learning avec Scikit-learn : mise en oeuvre et cas concrets.

GERON Aurélien

DUNOD

2017

256

LOGICIEL ; INFORMATIQUE ; ANALYSE DES DONNEES ; SCIENCE COGNITIVE

https://univ-scholarvox-com.bibliopam.univ-catholille.fr/catalog/book/docid/88849628?searchterm=g%C3%A9ron

eISBN : 978-2-10-076540-9

Sommaire :
1. Vue d'ensemble du Machine Learning. Qu'est-ce que l'apprentissage automatique ? Pourquoi utiliser l'apprentissage automatique ? Types de systèmes d'apprentissage automatique. Principales difficultés de l'apprentissage automatique. Test et validation. Exercices.
2. Un projet de Machine Learning de bout en bout. Travailler avec des données réelles. Prendre du recul pour une vision d'ensemble. Récupérer les données. Découvrir et visualiser les données pour mieux les comprendre. Préparer les données pour les algorithmes d'apprentissage automatique. Sélectionner et entraîner un modèle. Régler avec précision votre modèle. Lancer, surveiller et maintenir votre système. Essayez ! Exercices.
3. Classification. MNIST. Entraînement d'un classificateur binaire. Mesures de performances. Classification multi-classes. Analyse des erreurs. Classification multi-étiquettes. Classification multi-sorties. Exercices.
4. Entraînement de modèles. Régression linéaire. Descente de gradient. Régression polynomiale. Courbes d'apprentissage. Modèles linéaires régularisés. Régression logistique. Exercices.
5. Machines à vecteurs de support. Classification SVM linéaire. Classification SVM non linéaire. Régression SVM. Sous le capot. Exercices.
6. Arbres de décision. Entraîner et visualiser un arbre de décision. Effectuer des prédictions. Estimation des probabilités des classes. Algorithme d'entraînement CART. Complexité algorithmique. Impureté Gini ou entropie ? Hyperparamètres de régularisation. Régression. Instabilité. Exercices.
7. Apprentissage d'ensemble et forêts aléatoires. Classificateurs par vote. Bagging et pasting. Parcelles aléatoires et sous-espaces aléatoires. Forêts aléatoires. Boosting. Stacking. Exercices.
8. Réduction de dimension. Le fléau de la dimension. Principales approches de la réduction de dimension. PCA. PCA à noyau. LLE. Autres techniques de réduction de dimension. Exercices

Annexes

Langue : Français

Localisation : Bibliothèque Campus de Nice

Support : Numérique

Etat : Présent

Propriétaire : Bibliothèque

Mes paniers

4

Gerer mes paniers

0



Z